《表5 测试集下各模型MSE和MAE》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于集成学习的短期电价预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图4可知，将R2作为预测曲线的决定系数值，其表示为R2=1-SSres/SStot，式中：SSres表示平均值和回归数据之间的误差；SStot表示平均值与真实数据之间的误差，且SStot一般大于SSres，误差值都在0～1。在数据确定后，SStot的值也随之固定，预测值准确性越低，SSres的数值就越大，此时R2的值也越小，相反准确性越高，R2的值也越大。由图4可以计算出XGBoost模型的决定系数R2值为0.89，随机森林模型的决定系数R2值为0.83，梯度回归树模型的决定系数R2值为0.87，Blending集成模型的决定系数R2值为0.91，可知采用Blending集成方法的集成模型有着较好的拟合效果。如表5所示为均方误差（MSE）和平均绝对误差（MAE）矩阵在测试集下的表现结果。